Âge et genre de l'audience : ce que les outils mesurent vraiment (et ce qu'ils devinent)

Une marque abidjanaise cherche un créateur pour une campagne beauté. Elle ouvre une plateforme d'analyse, tape le nom d'un créateur ivoirien, et lit : audience à 47 % française, 9 % ivoirienne. Elle écarte le profil.

Le même jour, une mesure faite sur les commentateurs réels de ce créateur donne l'inverse : 32 % de Côte d'Ivoire, 15 % du Mali, 9 % de Guinée.

Les deux chiffres sont produits par des machines sérieuses. Un seul décrit le marché sur lequel la marque vend. Comprendre d'où vient l'écart, c'est comprendre comment fonctionne toute cette industrie.

Personne ne mesure la démographie d'audience

C'est le point de départ, et il surprend presque tout le monde : aucune plateforme ne connaît l'âge de votre audience. Instagram, TikTok et YouTube ne le communiquent qu'à une seule personne — le propriétaire du compte, dans ses statistiques privées.

Tout le reste est de l'estimation. Et les éditeurs le disent, à condition d'aller lire les bonnes pages. Modash, l'un des acteurs les plus sérieux du marché, l'écrit dans son propre centre d'aide, en réponse à la question « quelle est la précision des données d'âge et de genre » :

« Age and gender data is estimated using image recognition and profile analysis. It's based on a statistical sample of the audience, so treat it as a strong indicator rather than exact numbers. » — Modash Help Center

Traduction : une machine regarde les photos de profil d'un échantillon d'abonnés et devine leur âge et leur sexe. La réponse à « quelle précision ? » ne contient aucun chiffre.

Ce n'est pas un reproche adressé à un acteur en particulier. C'est la norme du secteur, sur les cinq continents. Ce qui mérite d'être connu, c'est ce que vaut la méthode.

La photo de profil est un très mauvais signal

L'estimation de l'âge repose presque partout sur la reconnaissance faciale appliquée aux photos de profil des abonnés. Trois travaux publiés suffisent à en mesurer les limites.

Deux tiers des photos ne contiennent aucun visage exploitable. Une étude passant 10 309 photos de profil dans un moteur de reconnaissance faciale n'a détecté un visage que dans 34,6 % des cas — le reste étant des logos, des paysages, des groupes, des photos de dos ou des images sans personne (Jung et al., ICEB 2017). Sur le tiers restant, 80 % seulement montraient effectivement le titulaire du compte. Les auteurs concluent que les photos de profil ne sont pas une source démographique fiable.

La reconnaissance se trompe beaucoup plus sur les peaux foncées. Le travail de référence sur le sujet mesure un taux d'erreur de 0,8 % sur les hommes à peau claire et de 34,7 % sur les femmes à peau foncée (Buolamwini & Gebru, Gender Shades, 2018).

Et c'est sur les visages ouest-africains que c'est le pire. L'institut américain de normalisation a évalué 189 algorithmes sur 18 millions d'images. Ses taux d'erreur les plus élevés concernent les visages d'Afrique de l'Ouest et de l'Est, avec des écarts allant d'un facteur 10 à 100 selon l'algorithme (NIST, NISTIR 8280). Le rapport identifie la cause : la composition des données d'entraînement.

Mettez les trois ensemble. Sur une audience ivoirienne ou sénégalaise, la méthode échoue sur deux tiers des photos, puis se trompe massivement sur celles qui restent. Et un visage non détecté ne produit pas une erreur visible — il produit un silence, qui déforme l'échantillon sans laisser de trace dans le chiffre affiché.

Le prénom marche mieux, mais pas partout pareil

L'autre méthode, pour le genre, consiste à lire le prénom. Elle est nettement plus solide — et elle a été mesurée par origine de nom sur 7 076 prénoms annotés à la main (Santamaría & Mihaljević, PeerJ 2018) :

Origine du prénom	Taux d'erreur (meilleur service)
Européenne	2,8 %
Africaine	5,4 %
Asiatique	17,6 %

Deux fois plus d'erreur sur les prénoms africains que sur les européens — mais deux fois mieux que les prénoms asiatiques. C'est exploitable, à condition de le dire.

Une réserve honnête, que peu relèvent : dans ce travail de référence, les noms africains représentent au maximum 6 % de l'échantillon. Personne n'a jamais mesuré la précision réelle sur les systèmes de noms wolof, bambara, mooré, akan ou yoruba. « 5,4 % » est une moyenne continentale, pas un chiffre vérifié pour Dakar ou Ouagadougou.

Le chiffre que personne ne regarde avant de commencer

Voici la donnée la plus utile de cet article, et elle est publique et gratuite.

Les régies publicitaires de Meta et de TikTok exposent la composition de leur base d'utilisateurs, pays par pays. Pour Instagram en Afrique de l'Ouest, elle ressemble à ceci (DataReportal, Digital 2026) :

Pays	Femmes sur Instagram	Hommes
Mali	25,3 %	74,7 %
Burkina Faso	24,9 %	71,8 %
Togo	28,6 %	68,3 %
Guinée	29,5 %	69,8 %
Côte d'Ivoire	34,7 %	64,0 %
Sénégal	36,6 %	62,8 %
Bénin	37,6 %	61,9 %
Ghana	43,6 %	56,4 %
Nigeria	44,4 %	54,1 %

Lisez la ligne du Mali. Un quart de femmes sur Instagram. Un outil qui partirait de l'hypothèse d'une répartition équilibrée se tromperait de vingt-cinq points avant d'avoir regardé un seul abonné.

Cette table corrige à elle seule plus d'erreur que n'importe quel modèle de reconnaissance faciale. Elle est gratuite, mise à jour chaque année, et pratiquement jamais utilisée.

Le trou de couverture, en chiffres

Il y a un second problème, plus simple : sur cette zone, les grandes bases de données sont presque vides. Les pages pays de Modash annoncent elles-mêmes leurs volumes de créateurs Instagram référencés :

Pays	Créateurs référencés
Nigeria	43 235
Ghana	7 416
Côte d'Ivoire	301
Burkina Faso	86
Togo, Bénin, Guinée	aucune page pays

301 créateurs pour un pays de 28 millions d'habitants. Ce n'est pas un défaut de produit : ces outils ont été construits pour les marchés anglophones, où ils sont excellents. Mais cela explique l'exemple du début — quand une base contient surtout des comptes de la diaspora, elle voit une audience française là où il y a une audience ivoirienne.

Détail qui compte pour vos arbitrages : TikTok est nettement mieux couvert qu'Instagram sur la zone francophone. Là où le Sénégal compte une poignée de créateurs Instagram référencés, on en trouve plus d'un millier côté TikTok.

Les trois questions à poser à n'importe quel outil

Vous n'avez pas besoin d'être statisticien pour évaluer un chiffre d'audience. Trois questions suffisent, et elles sont rarement posées :

1. Sur combien de personnes avez-vous mesuré ? Un pourcentage calculé sur 40 commentateurs et un pourcentage calculé sur 2 000 abonnés ne se valent pas. Si l'outil ne peut pas répondre, le chiffre n'a pas de marge d'erreur — donc pas de sens.

2. Qui avez-vous mesuré, exactement ? Les abonnés, ceux qui commentent, ou ceux qui ont cliqué ? Ce ne sont pas les mêmes personnes. Ceux qui commentent sont plus engagés et, dans la plupart des secteurs, plus féminins que l'ensemble des abonnés. Les trois réponses sont légitimes — mais elles ne répondent pas à la même question, et l'écart entre elles peut atteindre plusieurs dizaines de points.

3. Cette estimation a-t-elle déjà été comparée aux vraies statistiques d'un créateur ? C'est la question qui met tout le monde d'accord. Nous avons cherché : aucune étude publique, aucun test indépendant ne compare les estimations de ces outils aux données réelles d'un créateur. Dans une industrie qui pèse des milliards.

La seule donnée qui ne se discute pas

Il existe une source d'âge d'audience incontestable : les statistiques natives du créateur. Instagram, TikTok et YouTube les lui donnent, complètes et exactes, dans son application.

Elle a un défaut évident — il faut que le créateur accepte de les fournir — et un avantage qu'aucune estimation ne rattrapera jamais : c'est la réalité, pas un modèle.

C'est le choix que nous avons fait chez ProveitGo : plutôt que de deviner l'âge d'une audience avec une méthode qui échoue précisément sur les visages de notre marché, nous demandons au créateur sa capture d'écran de statistiques, et un administrateur la vérifie avant publication. Ce qui est mesuré est affiché comme mesuré. Ce qui est estimé est affiché comme estimé, avec la taille de l'échantillon à côté.

C'est plus lent qu'un chiffre instantané. C'est surtout la différence entre une donnée qu'on peut défendre devant un client et une donnée qu'on répète en espérant qu'elle soit vraie.

En résumé

• Aucune plateforme ne mesure l'âge de l'audience : les plateformes sociales ne le communiquent qu'au propriétaire du compte. Tout le reste est estimé.
• L'estimation par photo de profil échoue sur deux tiers des comptes, et se trompe jusqu'à 34,7 % sur les femmes à peau foncée — avec les pires taux mondiaux sur les visages ouest-africains.
• L'estimation par prénom est plus fiable (5,4 % d'erreur sur les noms africains), mais n'a jamais été validée sur les langues d'Afrique de l'Ouest.
• La base de population est gratuite et décisive : Instagram compte 25 % de femmes au Mali, 35 % en Côte d'Ivoire. Sans ce repère, toute estimation part de travers.
• Les grandes bases sont vides sur la zone : 301 créateurs référencés en Côte d'Ivoire, 86 au Burkina. TikTok y est bien mieux couvert qu'Instagram.
• Posez trois questions : combien de personnes, lesquelles, et comparé à quoi.

Un chiffre d'audience sans taille d'échantillon ni marge d'erreur n'est pas une donnée : c'est une opinion présentée avec une virgule. Avant de bâtir un budget dessus, demandez comment il a été obtenu — et vérifiez le compte à la source.

Marque ? Trouvez et vérifiez des créateurs ouest-africains sur ProveitGo. Créateur ? Montez votre kit média avec vos vrais chiffres — vos statistiques valent mieux qu'une estimation faite sur votre photo de profil.